Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 242

年份

2023 45

2022 43

2021 35

2020 30

2019 26

2018 18

2017 18

2016 9

2015 1

2011 1

2010 1

2009 1

2008 1

2007 3

2006 1

2005 2

2004 1

2002 3

2001 2

2000 1

展开︾

关键词

机器学习 27

深度学习 15

人工智能 10

代理模型 2

增材制造 2

强化学习 2

材料设计 2

结构健康监测 2

高层建筑 2

2D—3D配准 1

3D打印 1

6G 1

A^*算法 1

ARM 1

CAN总线 1

CCUS 1

COVID-19 1

H∞控制；零和动态博弈；强化学习；自适应动态规划；极小极大Q-学习；策略迭代 1

IC产业 1

展开︾

检索范围：

排序：展示方式：

联邦无监督表示学习 Research Article

张凤达1,况琨1,陈隆1,游兆阳1,沈弢1,肖俊1,张寅1,吴超2,吴飞1,庄越挺1,李晓林3,4,5

《信息与电子工程前沿（英文）》 2023年第24卷第8期页码 1181-1193 doi: 10.1631/FITEE.2200268

摘要：为利用分布式边缘设备上大量未标记数据，我们在联邦学习中提出一个称为联邦无监督表示学习(FURL)的新问题，以在没有监督的情况下学习通用表示模型，同时保护数据隐私。FURL提出了两个新挑战：（1）客户端之间的数据分布转移（非独立同分布）会使本地模型专注于不同的类别，从而导致表示空间的不一致；（2）如果FURL中客户端之间没有统一的信息，客户端之间的表示就会错位。FedCA由两个关键模块组成：字典模块，用于聚合来自每个客户端的样本表示并与所有客户端共享，以实现表示空间的一致性；对齐模块，用于将每个客户端的表示与基于公共数据训练的基础模型对齐。

关键词：联邦学习；无监督学习；表示学习；对比学习

HTML PDF 收藏

基于稀疏表示的拉普拉斯稀疏字典图像分类 Article

Fang LI, Jia SHENG, San-yuan ZHANG

《信息与电子工程前沿（英文）》 2017年第18卷第11期页码 1795-1805 doi: 10.1631/FITEE.1600039

摘要：稀疏表示作为数据表示的一种数学模型，是解决模式识别、机器学习、计算机视觉等领域问题的有力工具。字典学习是稀疏表示方法的重要组成部分，在对原始信号及其在字典学习空间中的重建误差的最小化上发挥着重要的作用。在稀疏表示模型中，直接利用训练样本作为字典可以取得良好的性能。为取得更小且表现更好的字典，本文提出一种基于流形学习及双稀疏理论的拉普拉斯稀疏字典学习方法（Laplacian sparse dictionary, LSD）。本文将拉普拉斯权重图加入稀疏表示的模型，并对字典加以范数约束。LSD是一个稀疏的过完备字典，可保持数据的内在结构，并为每个类学习一个更小的字典。学习得到的字典可以嵌入基于稀疏表示的分类框架。结果显示本文提出的LSD算法比当前基于分类的稀疏表示的方法更有优势。

关键词：稀疏表示；拉普拉斯正则子；字典学习；双稀疏；流形

HTML PDF 收藏

基于依存关系和多义词分析的句法词嵌入 None

Zhong-lin YE, Hai-xing ZHAO

《信息与电子工程前沿（英文）》 2018年第19卷第4期页码 524-535 doi: 10.1631/FITEE.1601846

摘要：现有大多数词嵌入学习模型存在以下问题：（1）基于词袋上下文的模型完全忽略句子的句法结构关系；（2）每个词使用单个嵌入向量使多义词共享一个嵌入向量；（3）词嵌入往往趋向于句子上下文共性。该算法主要处理：（1）基于主题模型，提出一个多义词识别算法；（2）采用符号“+”和“−”表示依存关系方向；（3）删除停用词及其依存关系；（4）引入“skip”依存关系表示依存关系之间的间接关系；（5）将基于依存关系的上下文输入到综上，包含更多信息的SWE模型性能优于单一的词嵌入学习模型。

关键词：基于依存关系的上下文；多义词表示；表示学习；句法词向量

HTML PDF 收藏

NGAT：基于广度和深度探索注意力机制的半监督图表示学习 Research Articles

胡荐苛,张引

《信息与电子工程前沿（英文）》 2022年第23卷第3期页码 409-421 doi: 10.1631/FITEE.2000657

摘要：近年来图神经网络（GNN）在图结构数据表示学习方面取得显著成绩。然而，随着网络层数增加，由于过度平滑问题，基于邻域信息聚合策略的GNN性能恶化，这也是GNN应用于真实图的主要瓶颈。本文在公开数据集上对比了现有图神经网络模型，实验表明本文提出的NGAT模型具备更强的节点嵌入学习能力。

关键词：图学习；半监督学习；节点分类；注意力机制

HTML PDF 收藏

无监督域自适应的动态参数化学习 Research Article

蒋润华1,2,韩亚洪1,2

《信息与电子工程前沿（英文）》 2023年第24卷第11期页码 1616-1632 doi: 10.1631/FITEE.2200631

摘要：无监督领域自适应通过学习域不变表示实现神经网络从有标签数据组成的源域到无标签数据组成的目标域迁移。近期研究通过直接匹配这两个域的边缘分布实现这一目标。然而，已有研究大多数忽略域对齐和语义判别学习之间的动态平衡，因此容易受负迁移和异常样本影响。为解决这些问题，引入动态参数化学习框架。首先，通过探索领域级语义知识，提出动态对齐参数自适应地调整域对齐和语义判别学习的优化过程。此外，为获得判别能力强和域不变的表示，提出在源域和目标域上对齐优化过程。

关键词：无监督领域自适应；优化步骤；跨域判别表示；语义判别

HTML PDF 收藏

面向潜在行为预测的异构行为网络嵌入学习 Article

Yue-yang WANG, Wei-hao JIANG, Shi-liang PU, Yue-ting ZHUANG

《信息与电子工程前沿（英文）》 2020年第21卷第3期页码 422-435 doi: 10.1631/FITEE.1800493

摘要：潜在行为预测即理解特定群体潜在的人类行为，可辅助组织做出战略决策。信息技术的进步使获取人类行为的庞大数据成为可能。本文将真实场景中获取的人类行为数据构建成信息网络；该信息网络由2种对象（人和动作）和3种关系（人—人、人—动作和动作—动作）组成，称作异构行为网络（HBN）。为充分利用异构行为网络的丰富性和异构性，提出一种网络嵌入方法，称作人—行为—属性感知的异构网络嵌入（a4HNE）；该方法综合考虑网络结构邻近性、节点属性相似性和异构性融合。在两个真实数据集上的实验结果表明，该方法在各种异构信息网络挖掘任务中的潜在行为预测性能优于其他同类方法。

关键词：网络嵌入；表示学习；人类行为；社交网络；异构信息网络；属性

HTML PDF 收藏

知识表示中的不确定性

李德毅

《中国工程科学》 2000年第2卷第10期页码 73-79

摘要：

知识表示一直是人工智能研究中的一个瓶颈，其难点在于知识中隐含有不确定性，即模糊性和随机性。文章提出用云模型3个数字特征（期望值，熵，超熵）来描述一个定性概念，用熵来关联模糊性和随机性。代表定性概念的云的某一次定量值，被称为云滴，可以用它对此概念的贡献度来衡量，许许多多云滴构成云，实现定性和定量之间的随时转换，反映了知识表示中的不确定性。

关键词：知识表示定性概念不确定性云模型数宇特征

HTML PDF 收藏

恶意代码行为描述与分析综述 Review

Bo YU, Ying FANG, Qiang YANG, Yong TANG, Liu LIU

《信息与电子工程前沿（英文）》 2018年第19卷第5期页码 583-603 doi: 10.1631/FITEE.1601745

摘要：基于行为的分析是恶意代码自动分析和检测过程中的一项重要技术，近年来得到学术界和工业界极大关注。恶意代码行为分析技术，能够避免传统静态分析技术遇到的恶意代码混淆的障碍，也能够通过行为描述规范表达恶意代码样本多样化的行为类型。目前，虽有一些关注恶意代码行为分析的工作，但基于行为的恶意代码分析技术仍未成熟，目前尚未发现介绍当前研究进展和发展挑战的综述。本文从3个方面对恶意代码的行为描述和分析进行综述：恶意代码行为描述，恶意代码行为分析模型，可视化。首先，全面梳理了现有行为分析技术的分析目标、原则、特点和分类，包括现有行为数据类型和描述方法；其次，从多方面分析恶意代码分析的不足和挑战；最后，探讨了潜在研究热点。

关键词：恶意代码行为；静态分析；动态分析；行为数据表示；行为分析；机器学习；基于语义的分析；行为可视化；恶意代码演化

HTML PDF 收藏

基于核稀疏表示的磁共振图像分析及其在脑肿瘤自动分割中的应用 None

Ji-jun TONG, Peng ZHANG, Yu-xiang WENG, Dan-hua ZHU

《信息与电子工程前沿（英文）》 2018年第19卷第4期页码 471-480 doi: 10.1631/FITEE.1620342

摘要：首先对MRI图像进行预处理以减少噪声，然后通过核字典学习提取非线性特征，用来构建坏死组织、水肿组织、非增强肿瘤组织、增强肿瘤组织和健康组织5个适应性字典。对从原始MRI图像上肿瘤像素点周边m×m×m的小区域提取的特征向量进行稀疏编码，并通过一种基于字典学习的核聚类方法对像素点进行编码。最后通过形态滤波填充在多个相连部分间的区域，提高分割质量。

关键词：脑肿瘤分割；核方法；稀疏编码；字典学习

HTML PDF 收藏

基于分布式表示语义组合的查询子主题挖掘 None

Wei SONG, Ying LIU, Li-zhen LIU, Han-shi WANG

《信息与电子工程前沿（英文）》 2018年第19卷第11期页码 1409-1419 doi: 10.1631/FITEE.1601476

摘要：查询子主题挖掘旨在找到可能的子主题，用于表示给定查询的潜在意图。由于查询较短，子主题挖掘具有挑战性。学习词或句子分布式表示推动和影响了很多领域的发展。然而，没有清晰的结论表明该分布式表示是否有助于应对查询子主题挖掘面临的挑战。提出并比较利用分布式表示的语义组合进行查询子主题挖掘。采用两种分布式表示策略：能学习任意长度文本分布式表示的段落向量（paragraph vector）以及词向量的语义组合。探索了语义组合策略和数据类型对查询表示的影响。Institute of Informatics Testbeds and Community for Information Access Research，NTCIR）提供的公开数据集上的实验结果表明，与传统语义表示相比，分布式语义表示能获得更优查询子主题挖掘性能。

关键词：查询子主题挖掘；查询意图；分布式表示；语义组合

HTML PDF 收藏

基于世界模型与图像表示的交通信号控制 Research Article

戴星原1,2,赵宸1,2,王晓3,吕宜生1,2,林懿伦4,王飞跃1,2

《信息与电子工程前沿（英文）》 2022年第23卷第12期页码 1795-1813 doi: 10.1631/FITEE.2200323

摘要：本文使用车辆位置图像描述路口交通状态，同时受基于模型的强化学习方法DreamerV2的启发，引入基于学习的交通世界模型。在执行阶段，优化后的交通信号控制器根据交通状态的抽象表示直接实时输出控制指令，同时世界模型能够预测不同控制行为对未来交通状态的影响。

关键词：交通信号控制；交通预测；交通世界模型；强化学习

HTML PDF 收藏

选择逻辑函数的密码学性质

梁增,李世取

《中国工程科学》 2005年第7卷第7期页码 50-54

摘要：

通过计算选择逻辑函数的Walsh循环谱和自相关函数，系统分析了选择逻辑函数的密码学性质。所得结论表明选择逻辑函数在变元个数较大的情况下具有理想的稳定性，能够抵抗最佳仿射（BAA）攻击，但是其“扩散”特性不够理想，在一定意义下不能有效地抗击差分攻击。讨论了与选择逻辑函数线性等价意义下满足严格雪崩准则或具有相关免疫性的逻辑函数构造问题。

关键词：选择逻辑函数 Walsh循环谱自相关函数严格雪崩准则相关免疫概率表示式

HTML PDF 收藏

学习挑选伪标签：一种用于命名实体识别的半监督学习方法 Research Articles

李真真,冯大为,李东升,卢锡城

《信息与电子工程前沿（英文）》 2020年第21卷第6期页码 809-962 doi: 10.1631/FITEE.1800743

摘要：深度学习模型在命名实体识别（NER）中实现了最先进的性能；然而，其良好性能很大程度上依赖于大量标记数据。在某些特定领域，例如医学、金融和军事领域，标记数据非常稀缺，而未标记数据则很容易获得。过往研究使用未标记数据丰富词的表示，却忽略了未标记数据中对NER任务很可能有帮助的大量实体信息。本文提出一种用于NER任务的半监督方法，其通过学习一个判别模块筛除错误伪标签，以创建高质量标注数据。该半监督框架包括3个步骤：为特定NER任务构建最佳单神经网络模型，学习一个评价伪标签的模块，以及迭代创建新的标记数据和改进NER模型。

关键词：命名实体识别；无标注数据；深度学习；半监督学习方法

HTML PDF 收藏

人工智能新方向：类人、机器、仿生和量子智能 Comment

李伟钢,Liriam Michi ENAMOTO,Denise Leyi LI,Geraldo Pereira ROCHA FILHO

《信息与电子工程前沿（英文）》 2022年第23卷第6期页码 984-990 doi: 10.1631/FITEE.2100227

摘要：

本评论回顾1998年提出的“一次性学习”（once learning，OLM）机制，和随后出现的用于图像分类的“一瞥学习”（one-shot learning这些被认为是AI研发的主要方向，并按以下分类标准区分：（1）以类人、机器、仿生或量子计算为本的AI研发;（2）升维或降维的信息输入;（3）小样本或大数据知识学习。

关键词：人工智能；机器学习；一次性学习；一瞥学习；量子计算

HTML PDF 收藏

基于两级层次特征学习的图像分类方法 Article

Guang-hui SONG,Xiao-gang JIN,Gen-lang CHEN,Yan NIE

《信息与电子工程前沿（英文）》 2016年第17卷第9期页码 897-906 doi: 10.1631/FITEE.1500346

摘要：本文提出了一种新颖、有效的基于深度卷积神经网络的两级层次特征学习框架。首先，不同层次的深度特征抽取器使用迁移学习方法进行训练。最后，基于Caltech-256、Oxford Flower-102和Tasmania Coral Point Count三个图像数据集的实验证明，通过两级层次特征学习的深度特征的表达能力十分强大，与传统的扁平多分类方法相比

关键词：迁移学习；特征学习；深度卷积神经网络；层次分类；谱聚类